-
Python3.11的frame对象更轻量，通过重构生命周期与字段布局实现按需分配：基础帧仅保留核心字段（约160字节），异常、调试、生成器等非常规字段延迟动态附加，显著降低高频小函数调用的内存开销。
-
src/目录非初始必需，仅当打包发布、CI报错或import失败时才需引入；__init__.py在需相对导入或版本管理时必须保留；tests/应置于根目录，配置与资源须分离并用importlib.resources加载。
-
set交集比in循环快，根本原因是set的&运算基于哈希表，平均O(min(m,n))；而list/tuple的in每次O(n)，嵌套成O(m×n)。必须两边都是set才触发C层哈希优化，否则回退慢路径。
-
asyncio.gather()需设return_exceptions=True才能继续执行并收集全部结果，此时异常对象会作为列表元素返回，需用isinstance(r,BaseException)判别，结果顺序与输入严格一致。
-
构建Python知识图谱需先确定知识范围与粒度，再提取知识点及其关系，接着使用工具表达为图结构，并持续迭代更新。具体步骤如下：1.确定知识范围和粒度：根据目标用户明确涵盖内容（如语法、标准库、第三方库等），并划分初级到应用层的层次；2.提取知识点与关系：识别实体（函数、模块、类等）及关系（属于、调用、继承等），可通过手动整理、NLP自动抽取或AST代码解析实现；3.使用图数据库或可视化工具表达：可选用Neo4j存储查询，Graphviz或Cytoscape.js进行可视化展示；4.不断迭代和扩展：定期更新
-
PlaywrightPython版需用async_playwright()启用异步模式，所有操作必须await；等待JS完成应基于DOM状态、JS变量或网络请求；并发需独立page实例；数据提取应直接读渲染后DOM而非page.content()。
-
Python正则中量词默认贪婪，加?变为非贪婪；?必须紧贴量词后，仅控制当前量词匹配长度，不解决歧义或性能问题。
-
pipinstall超时或缓慢是因默认连接不稳定国外PyPI官方源，改用清华或阿里云镜像源并配置当前用户pip.conf可永久加速，注意trusted-host须与index-url域名一致且以/simple/结尾。
-
gunicorn+gevent是Django应对突发高并发最稳妥的轻量级方案之一，需正确配置monkeypatch、连接池及worker参数，否则易卡死或丢请求。
-
isdigit()仅识别ASCII数字及少数Unicode上标/下标数字（Nd类），不支持中文数字、罗马数字、小数点等；isnumeric()范围更广，涵盖Nd/Nl/No类数字字符如中文数字、带圈数字、分数符号，但仍不能判断是否可转为int/float。
-
Channels4.x在Django5中不强制使用Redis，但生产环境必须用Redis（或RabbitMQ），因in-memory层已移除集群支持，多worker下会丢消息。
-
markdown.markdown()默认仅支持基础语法，表格、目录等功能需手动启用"tables"和"toc"等扩展；否则|A|B|渲染为纯文本，[TOC]不生成目录，标题也无锚点ID。
-
GEKKO本身不直接支持复数变量或.conj()方法，但可通过手动分离实部与虚部、分别建模来实现复数共轭——即保持实部不变、虚部取反，并确保所有优化逻辑兼容底层实数求解器。
-
TensorFlow实现GAN的核心是梯度隔离与参数更新顺序控制：需用两个独立tf.GradientTape分别计算D和G的梯度，禁用persistent=True；D和G必须使用独立优化器并配置不同学习率（如D:2e-4，G:1e-4）；loss设计需匹配D输出层结构，且每步训练D必须同时看到真实与生成样本。
-
加了User-Agent仍返回403，是因为服务器已升级反爬策略，需综合校验Accept、Accept-Language、Sec-Ch-Ua、Sec-Fetch-*等请求头及请求频率；单独设置UA如同只换外套不换身份证，极易被识别为爬虫。
